spring标签_脑启社区

spring

Spring AI 实战指南（十一）：EduAgentX 全栈 AI 开发生态平台设计（企业级架构终极篇）

系列：Spring AI 企业级开发实战项目名称：EduAgentX AI Ecosystem Platform技术栈：Spring Boot 3.5 + Spring Cloud Alibaba + Spring AI + DeepSeek + Redis + PostgreSQL + PGVector + MySQL + Vue3 + Docker + Kubernetes难度：⭐⭐⭐⭐⭐适合

 没钥匙的锁1
2026-06-22 21:22:17

 79

 1

#spring #人工智能 #架构
全网最全｜Spring AI 进阶 21 篇：从 RAG 优化到 AI Gateway，企业级 AI 应用看这篇就够

本文你将学到如何从 21 篇文章中看出 Spring AI 企业级落地的完整知识体系如何按“基础能力 -> 知识工程 -> 编排平台 -> 生产治理 -> 场景扩展 -> 平台入口”的顺序阅读每篇文章解决的核心问题、适合的业务场景和关键技术点Spring AI 在 Agent、RAG、多模态、工作流、安全、观测、行业方案和 AI Gateway 中的架构位置如何把这套文章沉淀为团队内部 AI 应用

 风剑无影
2026-06-23 01:16:37

 844

 24

#java #spring #人工智能
一文拆解 RAG 全链路算法：从检索到生成

「从基本原理出发」在接触RAG的过程中，我发现很多人把它理解成一个“检索+生成”的简单组合：先查点资料，再让大模型照着回答。

程序猿李巡天
2026-06-22 21:38:02

 218

 4

#算法 #搜索引擎 #microsoft +3
Spring AI Aliababa和AgentScope，哪个更好？

LLM是一个不可靠的“函数”，需要用可靠的代码结构把它“框”住。它不相信AI的自主规划能力，而是相信人类工程师的架构设计能力。在这种模式下，程序路径是显式定义的A→B→C流程，控制权100%在代码侧。开发者决定何时调用LLM、Prompt是什么、输出怎么解析、解析失败怎么重试。Spring AI Alibaba正是这种设计理念的代表。它提供基于Graph的图编排能力，通过声明式的API定义节点和边

 不负信仰
2026-06-22 22:26:04

 287

 4

#spring #人工智能 #java
Spring AI 学习篇（八）| RAG效果优化第一弹：检索优化

Spring AI 学习篇（八）| RAG效果优化第一弹：检索优化

 Slow菜鸟
2026-06-22 15:31:35

 150

#人工智能 #spring #学习
Spring AI 学习篇（三）| 大模型API对接的统一范式

Spring AI 学习篇（三）| 大模型API对接的统一范式

 Slow菜鸟
2026-06-22 15:28:16

 325

 4

#人工智能 #spring #学习
LLM推理时计算的能耗经济学：推理预算如何重塑AI基础设施成本结构

# 二、能耗经济学的核心挑战### 2.1 边际成本的指数上升推理时计算带来的不仅是成本绝对值的上升，更严重的是边际成本曲线的恶化。只有那些能在"用算力换智能"和"用效率换成本"之间找到平衡点的团队，才能在推理时计算的新时代立于不败之地。：超低延迟推理使实时深度推理成为可能### 5.3 架构层面的革新一些前沿架构正在实验"分布式推理"：- 思维链的不同部分由不同模型协作完成- 边缘设备分担部分推

 少林码僧
2026-06-21 01:21:01

 267

 6

#spring #java #后端 +2
AI 服务网关：大模型流量调度与多供应商限流架构实践

AI 服务网关将传统微服务网关的"请求级调度"升级为"Token 级调度"，核心在于三件事：基于 Token 消耗的令牌桶限流、基于业务语义的供应商路由、以及预估-修正闭环的计量模型。落地时需重点关注 Token 预估精度（建议偏差控制在 20% 以内）、供应商切换的格式适配（必须覆盖 System Message 和 Function Calling 差异）、以及分布式令牌桶的一致性方案（单实例

 亚历克斯神
2026-06-18 18:06:05

 4885

 16

#java #spring #微服务
性能测试骗了你：不是代码慢，是环境在“变戏法”

标题：性能测试环境差异导致的"假优化"问题及解决方案摘要：文章揭示了性能测试中常见的环境差异陷阱，包括硬件配置（如SSD与机械盘）、数据量级（小表与大表）、容器资源限制（Kubernetes CPU配额）和网络拓扑（同机房与跨地域）等因素导致的测试失真现象。作者指出这些差异会让压测结果变得不可靠，甚至产生误导性的优化结论。针对这些问题，文章提出了标准化解决方案：通过容器化统一硬件环境、复制生产数

 jjj_web
2026-06-07 22:42:35

 458

 9

#后端 #java #spring boot +3
Spring Boot 4.4 新特性深度解析：构建更现代化的 Java 应用

Spring Boot 4.4 是在 Spring Framework 6.2 基础上构建的，它不仅继承了 Spring Boot 一贯的约定优于配置理念，还引入了许多现代化的特性，特别是在云原生、可观测性和开发体验方面有了显著提升。Spring Boot 4.4 是一个值得升级的版本，它带来的新特性可以帮助我们构建更现代化、更高效的应用程序。逐步迁移：先在非核心服务上试用新版本充分利用原生镜像：

亚历克斯神
2026-04-09 23:26:58

 1181

 38

#java #spring #微服务
Spring AI Chat Client

ChatClient 是 Spring AI 框架中最高级、最推荐使用的统一交互入口。如果说底层的 ChatModel 像是需要自己处理各种细节的“手动挡”，那么 ChatClient 就是一台功能丰富、开箱即用的“智能点餐机”。它采用构建者模式（Builder）和流式 API（Fluent API），通过链式调用极大地简化了代码，并且内置了对系统提示词、对话记忆、RAG（检索增强生成）以及函数调

 Lin_Miao_09
2026-06-02 08:00:00

 236

 5

#spring #java #后端
Spring AI应用开发-基础特性

主要实现adviseCall adviseStream 方法。在调用LLM前后做一些事情。** 在多个Advisor中传递内容**可使用context中put 和 get 的方法来传递。/// 在clientRequest中放处理后的结果信息/// 获取到其他Advisor拦截器中所赋值的内容。

legendary_bruce
2026-06-23 16:17:17

 236

 4

#spring #人工智能 #java
程序员Token消耗排行榜：原来最烧钱的不是写代码！

当前程序员平均日消耗token 突破300万，实现token自由几乎成了每个程序员的梦想。基于此，飞算JavaAI又出手了，就是被程序员称作“最符合中国程序员的AI编程工具”，推出了专业版，直击开发者痛点——无限token随心用

 SoFlu软件机器人
2026-04-16 08:00:00

 2766

 46

#spring #ide
MinerU-Popo：面向 RAG 的文档级 OCR 后处理框架

MinerU-Popo：面向 RAG 的文档级 OCR 后处理框架

 Python_金钱豹
2026-06-01 21:27:39

 275

 4

#前端 #html #spring +3
Spring AI入门到实战到原理源码-MCP

#MCP它是通过网络上面的一些通用信息,以及垂直业务领域的一些信息某个位置同边有什么好吃的，我自己业务系统当中的一些信息，他肯定是不知道的，我们就需要通过function-Call，或者叫做TOOlS来进行实现，这样呢就可以让大模型，间接的去调用我们系统当中的方法，从而呢去查询第三方的天气接口，或者说昵去查询地图信息，去查询我们自己业务的一些信息，想要基础大模型具备这个功能呢，首先我们得告诉大模型

 坡东
2026-01-12 09:41:29

 1170

 7

#spring #人工智能 #java
Spring Boot 4使用Opentelemetry OTLP协议快速集成Jaeger + Prometheus + loki 实现指标监控，链路追踪，日志聚合

本文介绍了基于OpenTelemetry的云原生可观测性解决方案。通过Spring Boot官方starter集成OpenTelemetry，实现Metrics、Traces、Logs三合一监控。采用Prometheus收集指标数据、Jaeger处理分布式追踪、Loki聚合日志，构建"PLGJ"黄金组合。文章详细说明了pom依赖配置、OTLP协议对接方式、指标采集实现以及日志A

丿凌潇
2026-01-10 15:38:12

 1487

 12

#spring boot #prometheus #java +4
基于微信小程序实现外卖点餐管理系统【内附项目源码+论文说明】

本文基于SSM框架和MySQL数据库，设计并实现了一款微信小程序外卖点餐系统。系统包含管理员和用户两个角色：管理员可管理用户信息、菜品分类、订单及评价等；用户可实现菜品浏览、收藏、购物车及订单管理等功能。采用Java开发后台，结合微信开发者工具，系统具有操作简便、功能完善的特点，有效提升了外卖点餐的管理效率和用户体验。研究表明，该系统实现了餐饮管理的信息化和规范化，具有一定的实用价值。

静香是个程序媛
2026-06-03 09:26:05

 208

 2

#微信小程序 #spring #java
【RAG实战笔记】——RAG会话记忆处理

当对话超过一定轮数或Token阈值时，调用LLM把旧对话压缩成一段摘要，后续请求携带“历史摘要 + 最近几轮对话”。请将以下对话压缩为不超过200字的摘要，必须保留：1. 用户提到的所有数字类信息（预算、价格、数量）2. 用户提到的所有实体名称（产品名、人名）3. 用户的明确意图或偏好对话内容：{old_messages}"""return llm(prompt) # 调用一次LLM生成摘要# 后

 shuey9468
2026-06-17 20:17:06

 339

 8

#人工智能 #java #python +2
AI 推理监控体系：大模型服务的 SLI/SLO 设计与异常检测

AI 推理监控的核心是将"请求成功"细化为"请求成功且输出可用且成本合理"。本文的四层指标体系为：基础设施（GPU/显存）→ 服务可用性（延迟/TTFT）→ 推理质量（截断/格式/幻觉）→ 成本效率（Token/费用）。SLO 建议设定三个核心目标：P99 延迟 < 30s、TTFT P95 < 5s、输出截断率 < 5%。落地时需重点关注 Token 计量的跨模型一致性，以及质量检测的异步化实现

 亚历克斯神
2026-06-17 13:11:48

 1059

 4

#java #spring #微服务
Spring Boot 配置加密在 K8s 的密钥“裸奔”困局：解密、注入、轮换一条龙破局指南

Spring Boot 配置加密在 K8s 的安全管理指南摘要本文针对 Spring Boot 应用在 Kubernetes 环境中的配置加密问题，揭示了四种典型密钥管理风险：加密密钥硬编码导致镜像泄密环境变量注入密钥被进程查看暴露依赖外部服务导致启动失败 ConfigMap 容量限制问题提出四种解决方案： K8s Secret + Init Container：密钥仅存在于初始化容器

 jjj_web
2026-06-23 06:30:00

 1093

 37

#spring boot #kubernetes #后端 +2
AI大模型就业：普通程序员如何抓住下一轮机会

这篇面向想转向大模型方向的程序员和计算机专业学生，但不会把“AI大模型就业：普通程序员如何抓住下一轮机会”写成概念清单。我会按务实、犀利、面向就业的技术教程的思路，把它放到真实开发、学习路线和求职准备里看，顺便讲几个容易忽略的取舍。这次我会从“从求职作品集角度切入，重点写可展示成果”展开，换一组场景和例子来讲。回到“AI大模型就业：普通程序员如何抓住下一轮机会”这个主题，最重要的不是把名词背全，而

 Java技术那些事儿
2026-06-15 19:33:00

 869

 30

#人工智能 #java #spring +1
AI代码审查系统2026：让LLM成为团队最靠谱的Reviewer

pythondef compress_context(long_text, target_tokens=4000): """用小模型压缩长上下文""" prompt = f"""请将以下文本压缩到 {target_tokens} tokens 以内，保留关键信息： {long_text}压缩结果：""" return small_llm_call(prompt, max_tokens=target

少林码僧
2026-06-16 00:20:12

 259

 4

#spring #java #后端
LLM 推理延迟监控：从 Token 级指标到全链路可观测性方案

LLM 推理延迟监控的核心是建立 Token 级指标体系，TTFT 和 ITL 是比端到端延迟更有价值的观测维度。TTFT 升高指向 Prefill 瓶颈，ITL 升高指向 Decode 瓶颈，GPU 资源指标帮助定位根因。落地时建议先实现 TTFT 和 ITL 两个核心指标的采集和告警，再逐步补充 GPU 资源指标和全链路 Trace。指标基数和存储成本是需要持续优化的维度，采样策略应根据业务规

 亚历克斯神
2026-06-15 11:33:33

 1015

 3

#java #spring #微服务
AI 辅助的服务降级：当大模型成为系统稳定性的决策引擎

AI 辅助降级不是替代传统规则，而是在规则之上增加一层弹性决策能力。规则负责兜底（硬性阈值不可突破），AI 负责在阈值之内的灰色地带做精细化调整。落地时建议先实现特征提取和降级执行两个基础模块，用规则引擎做初始决策，再逐步引入 AI 推理引擎。模型训练需要积累足够的历史故障数据，冷启动阶段可以用模拟数据预训练。核心指标是降级决策的准确率和恢复时间，而非模型本身的精度。

亚历克斯神
2026-06-15 11:23:02

 2131

 10

#java #spring #微服务
Spring Boot 3.0 新特性：从虚拟线程到原生编译，生产升级的路径与代价

Spring Boot 3.0 的升级价值取决于业务场景。I/O 密集型应用（大量数据库查询、外部 API 调用）是虚拟线程的最大受益者，CPU 密集型应用收益有限。云原生和 Serverless 场景对原生编译的启动速度和内存占用敏感，传统部署场景则不必急于迁移。升级路径建议分三步：先完成 Jakarta 命名空间迁移和 JDK 17 升级，再启用虚拟线程并排查 Pin 问题，最后在非核心服务上

 亚历克斯神
2026-06-15 11:16:22

 5119

 7

#java #spring #微服务
Java小白必看：收藏这份Spring AI指南，轻松玩转大模型开发

如果说程序员已经是高薪职业，那么干AI的程序员，就是高薪中的高薪。学AI大模型，就是冲刺高薪的最优解！零基础小白不知道从哪入门？有基础的程序员找不到系统学习路径？实战项目练手无门？面试不知道考什么？别慌！今天就给大家整理了一份【2026年最新版】AI大模型免费学习资源包，覆盖从入门到实战、从理论到面试、从基础到进阶的全流程，所有资料均已整理归档，无冗余、无套路，免费分享给每一位想抓住AI风口的程序

 程序汪小陈
2026-06-15 11:09:17

 322

 8

#人工智能 #java #spring
Spring Integration 教程

Spring Integration是Spring生态系统中的企业应用集成(EAI)框架，基于消息驱动架构实现系统间通信。核心概念包括Message（消息）、MessageChannel（消息通道）和MessageEndpoint（消息端点）。框架提供了多种企业集成模式实现，如转换器(Transformer)、过滤器(Filter)、路由器(Router)等，以及文件、HTTP、JMS等协议适配器

 Full Stack Developme
2026-06-14 20:02:46

 369

 10

#spring #java #后端
springboot新能源汽车销售管理系统-计算机毕设源码61973

基于SpringBoot和Vue框架，设计与实现了一款功能丰富的新能源汽车销售管理系统。通过详细分析市场需求和现有问题，结合现代软件开发技术，实现了用户管理、汽车信息管理、汽车预定管理、取消预定管理、购车信息管理、售后反馈管理、系统管理、通知公告管理、资源管理、权限管理等多个模块的开发。在设计过程中，采用了前后端分离开发模式，利用Vue.js框架作为前端开发技术，提升了用户体验；后端基于Sprin

weixin_ZYKJ985
2026-06-14 08:30:00

 251

 4

#spring boot #eclipse #spring +4
Spring AI企业级RAG进阶｜文档智能分片调优、ES深度整合、接口限流熔断监控生产实战

三个核心维度，落地三套生产级解决方案：RAG文档智能分片与重叠度调优、Spring AI + Elasticsearch深度混合检索、AI接口限流熔断与全链路监控告警，补齐RAG项目从Demo到商用的最后短板。本文三套方案分别解决了RAG准确率上限、检索适配性、服务稳定性三大核心问题，代码零侵入、可直接上线，是当前Spring AI RAG项目的标准生产优化方案。纯全文检索无法理解模糊语义与上下文

 srlsong
2026-06-02 19:36:15

 334

 8

#spring #人工智能 #elasticsearch +4
凌晨GLM-5炸场！世界开源模型第一名！模型训练大幅创新！实测：Agentic能力、前端细节逼近专业人士，可模拟手机OS，游戏秒运行！代际变化

大模型叙事逻辑已经出现了极为明显的变化。过去三年，大家更会关注：谁更会回答问题，谁回答得更聪明、准确、快速？但随着一系列Agent产品的涌现，大模型也开始向真实世界的复杂任务发起冲锋。现在的问题变成：谁能真正承担任务？如果说 GLM-4.5 是“会推理、会写代码的模型”，那么 GLM-5 的野心更直接——成为复杂系统里的执行者。

模型启动机
2026-02-12 13:16:21

 1213

 7

#游戏 #人工智能 #大数据 +2
Rerank（重排序）使用详解

本文介绍了Rerank（重排序）技术在RAG系统中的使用方法和价值。Rerank通过两阶段检索架构（粗排+精排）提升检索精度，解决传统向量检索的局限性，如语义相似度不足、排序质量不佳和上下文理解缺失等问题。文章详细说明了Rerank的工作原理、配置方式、核心组件（包括DashScopeRerankModel和RetrievalRerankAdvisor）以及完整的代码示例。Rerank通过专业化模

 坡东
2026-01-14 20:38:22

 1409

 12

#spring #人工智能 #java
中医美容养生小程序的设计与实现-计算机毕设源码27037

本研究旨在通过开发一款中医美容养生小程序，并为用户提供随时随地的中医美容养生指导，以此传承中医文化并适应现代社会需求。该系统利用微信这一中国最广泛使用的社交平台作为载体，通过小程序的形式为中医美容养生提供了新的传播与应用平台。系统的前端开发采用了微信小程序框架，使用WXML、WXSS和JS文件构建直观易用的界面，并集成丰富的基础和扩展组件，实现了养生知识库、社区交流、美容资讯、产品商城等核心功能模

 weixin_ZYKJ985
2026-01-13 08:30:00

 1586

 37

#小程序 #eclipse #spring +4